文献

J-GLOBAL ID：201702264585884121   整理番号：17A1706935

複雑な化学プロセスのための深い信念ネットワークに基づく故障診断モデル【Powered by NICT】

A deep belief network based fault diagnosis model for complex chemical processes

著者 (2件)： Zhang Zhanpeng (State Key Laboratory of Chemical Engineering, Department of Chemical Engineering, Tsinghua University, Beijing, China) ,  Zhao Jinsong (State Key Laboratory of Chemical Engineering, Department of Chemical Engineering, Tsinghua University, Beijing, China)
資料名： Computers & Chemical Engineering  (Computers & Chemical Engineering)
巻： 107  ページ： 395-407  発行年： 2017年 
JST資料番号： H0199C  ISSN： 0098-1354  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： データ駆動型方法は,実用的な化学プロセスの故障検出と診断(FDD)のための望ましい方法と見なされてきた。しかし,ビッグデータ時代到来,故障特徴を抽出し提示する効果的にどのようにFDD技術の成功した工業的応用への鍵の一つである。本論文では,拡張可能な深層信念ネットワーク(DBN)に基づく故障診断モデルを提案した。空間および時間領域の両方での個々の故障特徴はDBNサブネットワークによって抽出し,相互情報技術に助けられている。地球規模二層逆伝搬ネットワークは,故障分類のために訓練され,使用した。本論文の最終部分では,ベンチマークTennessee Eastmanプロセスを利用したDBNベースの故障診断モデルの性能を例示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *故障 ,  *化学プロセス ,  *ネットワーク ,  *故障診断 ,  ベンチマーク ,  *モデル ,  故障検出 ,  情報技術
準シソーラス用語： 故障分類 ,  サブネットワーク ,  時間領域 ,  ビッグデータ ,  データ駆動 ,  *信念ネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 故障診断 ,  深信念ネットワーク ,  特徴抽出 ,  早期警告 ,  警報管理

分類 (2件)： 化学プロセスの解析  (XC01030R) ,  化学プラント一般  (XB02010Z)

タイトルに関連する用語 (4件)： 化学プロセス ,  信念ネットワーク ,  故障 ,  診断モデル